不训练，任意SD模型一键高质量修图补全
LanPaint 是一个面向 Stable Diffusion 系列模型的免训练图像修复（inpainting）方案，同时提供 ComfyUI 自定义节点。它要解决的问题是：传统修复往往需要针对特定模型额外训练或微调，换模型就要重来，且边缘接缝、结构一致性难以保证。LanPaint 通过改进采样与掩码融合策略，在不重新训练的前提下，让任意 Stable Diffusion 模型都能获得高质量修复效果，用户只需在 ComfyUI 中接入节点即可使用。核心能力包括：兼容多种 SD 模型与常见修复工作流，对涂抹区域进行更自然的内容补全，减少接缝和色差，支持与现有 ComfyUI 管线组合。项目以 Python 实现，星标约 1400，属于成长中的实用工具，适合想低成本获得稳定修复效果的创作者与开发者。
1安装 ComfyUI
按 ComfyUI 官方安装指南在本地部署，或确认现有 ComfyUI 版本高于 0.3.11，否则先升级。
2安装 Manager
在 ComfyUI 中加入 ComfyUI-Manager，用于后续搜索和安装自定义节点，具体步骤见其仓库说明。
3管理器安装节点
打开 ComfyUI-Manager，搜索 LanPaint 并直接安装，这是 README 推荐的快捷方式。
4手动克隆节点
也可在 ComfyUI-Manager 中选 Install via Git URL 填入仓库地址，或把仓库克隆到 custom_nodes 目录。
cd ComfyUI/custom_nodes
git clone https://github.com/scraed/LanPaint.git5重启 ComfyUI
重启后 LanPaint 节点才会被加载，随后可在节点菜单的 sampling 分类下找到它。
6载入示例工作流
进入 example 文件夹下载全部图片，把 InPainted_Drag_Me_to_ComfyUI.png 拖入 ComfyUI 载入工作流，并下载示例所需模型。
重启 ComfyUI 后，在节点菜单的 sampling 分类中能看到 LanPaint 节点，并能像默认 KSampler 一样添加到工作流。
Q：LanPaint 需要针对模型训练或微调吗？
A：不需要。它是免训练的局部条件采样器，可直接用于预训练扩散与 rectified-flow 模型，换模型无需重新训练。
Q：对输入掩码有什么要求？
A：需要二值掩码（值为 0 或 1），不能有透明度或羽化；请在掩码编辑器里把 opacity 和 hardness 调到最大，带渐变或平滑的掩码会被自动转为二值。
Q：修复结果出现瑕疵或元素不匹配怎么办？
A：LanPaint 很依赖文本提示词，请明确描述涂抹区域内想生成的内容，并用针对性的负面提示词抵消瑕疵。
Q：如何替换 ComfyUI 里原来的采样器？
A：用法与默认 KSampler 一致，直接把 KSampler 换成 LanPaint KSampler 节点即可，修复流程与 SetLatentNoiseMask 修复工作流相同。
Fooocus Inpaint、A1111 WebUI Inpaint、BrushNet
LanPaint 是图像领域的开源项目，由 scraed 开发，2025 年首次发布。
在全站 13,199 个收录项目中，它的 GitHub 星标数（1,408）位列前 30%，在图像分类的 849 个项目里位列前 12%。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-27。开源免费，需自行部署。
它主要面向的使用场景是：电商或设计图中去除水印、杂物并自然补全背景。同类可对比的替代方案包括 Fooocus Inpaint、A1111 WebUI Inpaint、BrushNet。
上一篇：taesd
satori
开源
网页代码一键变高清图，放大不糊，不用截图
Enlightened library to convert HTML and CSS to SVG
C2GAN
开源
用关键点精准控制图像生成，让AI画出你想要的结构
[ACM MM 2019 Oral] Cycle In Cycle Generative Adversarial Networks for Keypoint-Guide···
stable-diffusion-webui
开源
打开网页说想法，配图素材几秒到手
Stable Diffusion web UI
DeTikZify
开源
上传图表或草图，秒变可编译的TikZ矢量代码。
Synthesizing Graphics Programs for Scientific Figures and Sketches with TikZ.